跳到正文
11月11日週三
  1. CNET66

    Google 擴大 Gemini 4 Carbon 的開放範圍

    Google 擴大 Gemini 4 Carbon 的使用範圍,現向開發者、企業、科學家及一般用戶開放。Google 表示,Gemini 4 Carbon 在多個領域的基準測試中勝過其 Argon AI 模型及 OpenAI、Anthropic 的競爭模型;它在 Gray Swan IPI 基準測試中的提示詞注入攻擊成功率為 0%。

  2. Ars Technica · AI74

    Grok Build 編碼智能體外洩數千名用戶資料,當中包括 SpaceXSI 敏感資訊

    安全公司 Claroc 的研究指出,Grok Build 分享連結的設計缺陷令任何人可枚舉數千個專案,並通常查看其中資料。外露資料包括內部商業計劃、廣告提案、醫療檢查結果,以及員工姓名和 ID 號碼。Claroc 在 SpaceXSI 建立的 24 個應用中發現敏感資料,包括標示機密的企業銷售團隊入職計劃,以及涵蓋 594 個帳戶的銷售區域地圖。

  3. Berkeley RDI:Blog66

    智能體對真實世界軟件進行可驗證最佳化

    UC Berkeley 與 Amazon Web Services 研究團隊展示一種智能體最佳化方法,要求 Lean 證明改寫程式對所有輸入都與原程式結果相同。在 Verina 的 189 個程式中,智能體為 156 個產生經證明的加速改寫,幾何平均加速 1.85×。在 17 個遷移應用中,92 個經證明的改寫令 51 個應用情境中的 47 個加快,應用層級加速為 1.12×。

  4. Simon Willison76

    Gemini 4 Carbon 擴大開放,Simon Willison以 Antigravity IDE 測試

    Google 今日將 Gemini 4 Carbon 的使用範圍擴至其他用戶;兩週前該模型僅向部分網絡防守人員開放。推出價為每百萬輸入 $2、每百萬輸出 $10,並預定於 12 月 1 日調升至 $4/$20。

    推薦理由:文章交代 Gemini 4 Carbon 的開放範圍與預定調價,並以 Antigravity 的 Three.js 生成測試呈現實際操作情境。

  5. Hacker News 熱門(buzzing.cc 中文翻譯)76

    Modern Web Guidance 為編碼智能體提供現代 Web 技能指引

    Modern Web Guidance 是一套供編碼智能體使用的技能,將 Web 平台知識、最佳實踐及瀏覽器相容性資料直接納入智能體的上下文。它涵蓋 250 項現代 Web 功能,CLI 可在本機離線搜尋及擷取指引,毋須網絡連線或 API keys;專案位於 https://github.com/GoogleChrome/modern-web-guidance。

    推薦理由:它把專家整理的瀏覽器指引接入智能體檢索,並以真實網頁任務比較有無指引的通過率,展示這類技能的評估方法。

  6. HuggingFace Daily Papers(社區熱門論文)43

    VibePrevisBench:評測智能體編碼生成 Blender 4D 場景的基準

    VibePrevisBench 是評測智能體把簡短描述轉化為可執行 4D 場景並渲染代理影片的基準,涵蓋 242 項任務及四種輸入類型。研究以規則式 Scene Check 和 VLM 式 Screen Check 評估場景與影片,並分析 11 個前沿編碼智能體:它們在空間和鏡頭運動理解方面表現有別,亦未能有效修正渲染錯誤。

  7. HuggingFace Daily Papers(社區熱門論文)56

    Termination Lag:編碼智能體解題後仍持續執行

    研究追蹤 5 個 LLM、2 種智能體框架及 3 個 SWE-bench 數據集,發現編碼智能體常在產生正確補丁後仍繼續執行。38–82% 的成功執行在首次原始碼修改時已得到正確補丁;核心設定下,成功執行中位數有 35–60% 的步驟是在正確補丁產生後執行。這些額外步驟主要用於驗證和探索,1–8% 的個案會把已正確的解答改壞;研究認為,改善停止判斷或可減少不必要計算。

  8. Hacker News:AI 熱帖74

    modern-web-guidance 1.0 推出 200+ 份現代 Web 指南,協助編碼智能體採用原生功能

    Chrome 團隊聯同 Firefox、MDN 和 Edge 推出 modern-web-guidance 1.0,為編碼智能體提供採用現代 Web 原生功能的指南。它收錄 200+ 份專家編寫的指南,並提供智能體技能、Agentic RAG CLI 及 legacy-scan,用以識別舊式程式模式。200 項任務測試中,編碼智能體使用指南後的通過率由 55% 升至 92%。

  9. InfoQ63

    Google 發現過時技術債會令編碼智能體「分心」

    Google 根據數千名工程師的分散式追蹤資料及數億個智能體步驟,發現過時 TODO/FIXME 註釋會令編碼智能體偏離開發者要求,處理未要求的支線任務。約 13% 工作階段出現這類註釋,其中 6% 令智能體着手處理註釋所指的錯誤;這類偏離任務的工作階段平均多出 70% 步驟、77% 模型 token 和 105% 等待時間。

  10. Factory 研究 / 產品44

    Factory 推出 Security Factory

    Factory 推出 Security Factory,將漏洞調查、修復與驗證連接成持續工作流程,協助工程團隊把安全發現轉化為經測試的修復方案。Security Factory 目前處於 Private Preview,並向部分客戶開放。აგენტ可根據漏洞證據製作修復方案、測試修復並準備補丁或拉取請求,機構亦可設定代理的自主程度。

11月10日週二
  1. 阿里雲開發者社區 AI51

    阿里雲百煉 Token Plan 接入 Codex CLI 教程

    阿里雲百煉 Token Plan 現已支援 Codex CLI,使用者可按教程設定後接入百煉模型,並以 Credits 統一計量。教程列出 config.toml 設定、API Key 環境變數設定及查詢剩餘額度的方法。另可安裝阿里雲百煉 CLI 及配套 Skills,讓 Codex CLI 調用網絡搜尋、網頁解析和雲沙箱;套餐綁定不會代替 CLI 登入。

  2. Pragmatic Engineer49

    Sean Allen 談軟件正確性與供應鏈安全

    Sean Allen 在訪談中分享對軟件正確性、程式語言設計及供應鏈安全的看法。他認為,手動測試是確保正確性最差的方法,應從語言設計着手避免表達非法狀態,並從開發初期加入驗證;供應鏈安全則沒有單一或簡單的解決方法。

  3. 阿里雲開發者社區 AI77

    Claude Fable 5.2 首發實測:前端審美出色,三個項目花費逾 500 元

    作者在 Cursor 中讓 Claude Fable 5.2 無人工幹預完成三個純前端項目,認為其審美出色,但與 Claude Opus 5.5 相比提升不明顯,工作速度亦未見改善。

    推薦理由:三個純前端項目的實測呈現 Claude Fable 5.2 的視覺表現、修正耗時與實際花費,並提供與 Opus 5.5 的比較。

  4. Hacker News 熱門(buzzing.cc 中文翻譯)46

    AI 使用為何會令程式碼庫變得脆弱

    作者指出,AI 編碼工具雖能快速生成程式碼,但過度依賴會令大型 SaaS 產品的程式碼庫變得脆弱。常見問題包括測試流於表面、程式碼過度複雜、開發者對程式碼庫理解不足,以及審查時間被壓縮,增加技術債。事故增加、復原時間延長及用戶可見錯誤,都是文中列出的脆弱跡象。

  5. Analytics India Magazine53

    AI 輔助逆向工程會否終結專有軟件?

    AI 輔助逆向工程降低理解軟件運作的門檻,但重建單一功能不等於複製整個產品或形成可靠的商業替代品。文中引述研究員估計,AI 協助可把原需一個月的逆向工程任務縮短至「一至兩小時」;REA 開源 GitHub 專案已獲超過 447,000 個星標。